一种多组分重叠三维荧光光谱的成分识别方法

摘要

本发明公开了一种多组分重叠三维荧光光谱的成分识别方法，解决了利用多维分析算法处理严重重叠的三维荧光光谱时，单纯的考虑分解结果中二维光谱的某个特征而导致的成分识别错误。在尽量减少初始解的条件下，综合利用多维分析算法分解出的两个二维荧光光谱的特征峰和波形特征参数，通过构造综合相似度指数进行混合三维荧光光谱的成分识别，解决了重叠峰的成分识别问题。通过对相似度指数形成的相似度矩阵的自动搜索，实现了自动识别，能够很好的适应现在迅速发展的连续、自动监测技术的需求。

主权项

1.一种多组分重叠三维荧光光谱的成分识别方法，其特征在于：利用多维分析方法分解多组分重叠三维荧光光谱，得到的分解结果结合多组分特征光谱数据库中多组分二维光谱的特征峰参数和波形参数，构造多组分激发光谱和发射光谱的综合相似度指数，根据所述综合相似度指数对多组分重叠三维荧光光谱中各成分进行识别；具体包括以下步骤：(1)、利用多维分析方法中的平行因子算法分解多组分重叠三维荧光光谱，建立平行因子算法模型：X_..k＝A×D_..k×B^T+E_k，k＝1，...，K，式中：载荷矩阵A∈R^I×N，载荷矩阵B∈R^J×N，得分矩阵D_..k∈R^N×N为对角矩阵，E_k为样本的噪声，I为激发波长数，J为发射波长数，N为成分数，K为样本数，X_..k为实验所测数据，载荷矩阵A，B和得分矩阵D_..k为待求矩阵；通过最小二乘法求解所述平行因子算法模型中的载荷矩阵A、B和得分矩阵D_..k，载荷矩阵A、B和得分矩阵D_..k分别对应表示多组分中各个成分的激发光谱、发射光谱和相对浓度；(2)、步骤(1)求出的载荷矩阵A、B与多组分特征光谱数据库中多组分二维光谱的数据进行比对，采用皮尔逊相关系数作为波形相似度度量，采用高斯函数形式的相似度指数作为特征峰相似度度量；根据皮尔逊相关系数，假设测量光谱和参考光谱分别为a_j，则这两个光谱的相关系数为：$r_{j,i}=\frac{{a_j}^T·{\bar{a}}_i}{\left|\right|{\bar{a}}_i\left|\right|\left|\right|a_j\left|\right|},$其中||a_j||表示a_j的模，T表示转置，i＝1，…，N，N为测量光谱数量，j＝1，…，M，M为特征光谱数量，假设多组分特征光谱数据库中的参考光谱均为标准化光谱，对测量光谱进行标准化：${\bar{a}}_i={\bar{a}}_i/\left|\right|{\bar{a}}_i\left|\right|,$将标准化光谱与多组分特征光谱数据库中的所有参考光谱α_j进行相似度指数计算：$r_{j,i}=a_j^T\times {\bar{a}}_i,$相似度指数r_j，i的范围为0≤r_j，i≤1，反映了测量光谱和参考光谱的相似程度，r_j，i越接近于1，则测量光谱与参考光谱相似程度越高，最大的r_j，i对应的多组分特征光谱数据库中的成分为对应的物质的可能性最大；采用激发光谱波形相似度和发射光谱波形相似度的加权值作为成分识别的依据，防止单纯依靠某种光谱带来的错误结果：r₁＝α₁r_ex+α₂r_em   其中α₁+α₂＝1，为了使相似度指数互相之间的差别更明显，构造乘积相似度指数r₂＝r_exr_em；引入高斯函数形式的特征峰相似度指数：$r_{\mathrm{peak}}={\mathrm{ae}}^{-\frac{{\left(\right|\lambda -{\lambda }_{\max }|-b)}^2}{c^2}},$其中a＝1，b＝0，λ为测量光谱的特征峰处的波长，λ_max为参考光谱的特征峰处的波长，c＝10，光谱相似度对应的阈值设为0.9；综合考虑激发光谱和发射光谱的特征峰和波形相似度指数，得到加权综合相似度指数：$r_3={{\beta }_{1}e}^{-\left(\frac{{|{\lambda }_{\mathrm{ex}}-{\lambda }_{\max }|}^2}{c^2}\right)}·r_{\mathrm{ex}}+{\beta }_2{e}^{-\left(\frac{{|{\lambda }_{\mathrm{ex}}-{\lambda }_{\max }|}^2}{c^2}\right)}·r_{\mathrm{em}},$其中β₁+β₂＝1，类似于r₂，构造乘积综合相似度指数$r_4=(e^{-\left(\frac{{|{\lambda }_{\mathrm{ex}}-{\lambda }_{\max }|}^2}{c^2}\right)}·r_{\mathrm{ex}})·(e^{-\left(\frac{{|{\lambda }_{\mathrm{ex}}-{\lambda }_{\max }|}^2}{c^2}\right)}·r_{\mathrm{em}}),$根据乘积综合相似度指数r₄可对多组分重叠三维荧光光谱中各组分进行识别；(3)、每一个测量光谱与多组分特征光谱数据库中的每一个参考光谱的相似度指数r₄将形成一个相似度矩阵S_imilarity∈R^M×N，M为特征光谱数据库中参考光谱数，N为测量光谱成分数，每一个测量光谱成分对应相似度矩阵S_imilarity中的一列，在计算机中根据S_imilarity进行成分识别，步骤如下：(a)、对S_imilarity进行全局搜索，选取最大的相似度S_imilarity(i，j)，如果，S_imilarity(i，j)＞0.9，则转步(b)，否则转(d)，(b)、断定第j个测量光谱对应的成分即为第i个参考光谱的物质并且划掉S_imilarity(i，j)所在的第i行和第j列的所有元素，(c)、对剩下的元素按步骤(a)执行，直到所有的行列都划掉，(d)、判断完毕。